深海实验室

DeepLab：使用深卷积网、atrus卷积和完全连接的crf进行语义图像分割。在这项工作中，我们提出了语义图像分割与深度学习的任务，并做了三个主要的贡献，实验证明具有实质性的实用价值。首先，我们强调上采样滤波器的卷积，或“阿托鲁斯卷积”，它是密集预测任务中的一个强大工具。阿托鲁斯卷积允许我们显式地控制在深度卷积神经网络中计算特征响应的分辨率。它还允许我们有效地扩大过滤器的视野，以纳入更大的上下文，而不增加参数的数量或计算量。其次，我们提出了一种基于atrus空间金字塔池（atrus spatial pyramid pooling，ASPP）的多尺度鲁棒分割算法。ASPP以多种采样率和有效视场探测进入的卷积特征层，从而在多个尺度上捕获对象和图像上下文。第三，结合DCNNs和概率图形模型的方法，改进了目标边界的定位。DCNNs中常用的最大池和下采样相结合实现了不变性，但对定位精度有一定的影响。我们通过将最终DCNN层的响应与一个完全连通的条件随机场（CRF）相结合来克服这一问题，通过定性和定量的方式来改善定位性能。我们提出的“DeepLab”系统在PASCAL VOC-2012语义图像分割任务中开创了最新的技术水平，在测试集中达到了79.7%的mIOU，并在其他三个数据集：PASCAL Context、PASCAL Person Part和Cityscapes上提出了结果。我们所有的代码都在网上公开。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换

zbMATH中的参考文献（参考文献38条,1标准件)

显示结果1到20，共38个。
按年份排序(引用)
  1. 林德伯格，托尼：尺度协变和尺度不变高斯导数网络（2022）
  2. 巴布，G.乔格什；班克斯，大卫；赵玄；汉，大卫；桑，海林；王守义：统计学家教授深度学习（2021）
  3. 陈哲；张静；陶大成：面向对象检测的递归上下文路由（2021）
  4. 郭汝池；蒋佳华：基于直接采样法的深度神经网络求解电阻抗断层成像（2021）
  5. 贾、范；刘军；泰雪成：正则化卷积神经网络在语义图像分割中的应用（2021）
  6. 金德全；秦、紫嫣；杨慕容；陈鹏和：一种新的学习任务横向交互神经模型（2021）
  7. 哈特里，拉金德拉K.C。；凯塞里亚，布伦丹J。；卢一飞；肖光华；曹燕：用扩张卷积网络自动提取细胞核（2021）
  8. Mark Weber，Wang Huiyu Wang，Siyuan Qiao，Jun Xie，Maxwell D.Collins，Yukun Zhun，Liangzhe Yuan，Dahun Kim，Qihang Yu，Daniel Cremers，Laura Leal Taixe，Alan L.Yuille，Florian Schroff，Hartwig Adam，Liang Chieh Chen:DeepLab2:深层标记的TensorFlow库（2021）阿尔十四
  9. 聂，燕；张太平；赵林昌；马新迪；唐元炎；刘晓宇：用于单目标跟踪的带局部二元卷积网络的连体金字塔残差模块（2021）
  10. 沈伟豪；徐文波；张红阳；孙泽新；马建雄；马新龙；周守军；郭世杰；王元泉：基于纯扩张残存U网的股骨和胫骨的自动分割（2021）
  11. 王正阳；季水旺：平滑扩张卷积用于改进的稠密预测（2021）
  12. 杨旭；刘志勇：马尔可夫随机场中的双级递阶推理方法（2021）
  13. 袁玉辉；黄、郎；郭建元；张超；陈锡林；王敬东：面向对象上下文的语义分割（2021）
  14. 伯曼，马克西姆；Blaschko，Matthew B.：具有可能子模约束的条件随机场的判别训练（2020）
  15. 陈奕文；蔡依轩；林燕玉；杨明萱：VOSTR：基于可转换表示的视频对象分割（2020）
  16. 哈克尔，蒂莫；乌斯维亚佐夫，米哈伊尔；加利亚尼，西尔瓦诺；韦格纳，1月D日。；康拉德辛德勒：利用和保持CNNs稀疏性的推理、学习和注意机制（2020）
  17. 赫蒂，迈克尔；帕雷斯基，洛伦佐；Visconti，Giuseppe:大数据聚类问题的平均场模型（2020）
  18. 卡尔西，贾斯普里特·辛格；阿扎姆，穆罕默德；Bouguila，Nizar:结合平均模板的半有界有限混合模型的彩色图像分割（2020）
  19. Lindeberg，Tony:基于级联耦合的尺度归一化微分表达式的可证明尺度协变连续分层网络（2020）
  20. 刘，李；欧阳、万里；王晓刚；菲格斯，保罗；陈杰；刘新旺；Pietikäinen，Matti:通用对象检测的深度学习：调查（2020）